首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于群优化算法的聚类分析法

摘要第3-4页
abstract第4-5页
第一章 绪论第8-10页
    1.1 研究背景与意义第8页
    1.2 国内外研究现状第8-9页
    1.3 本文的主要工作第9-10页
第二章 基于群优化算法的聚类分析概述第10-16页
    2.1 聚类分析第10-13页
        2.1.1 聚类的定义及聚类分析算法的典型要求第10-11页
        2.1.2 聚类分析的方法及特征第11-12页
        2.1.3 聚类的相似性度量第12-13页
    2.2 基于群优化算法的聚类分析第13-16页
        2.2.1 群优化算法概述第13-14页
        2.2.2 基于群优化算法的聚类分析概述第14-16页
第三章 基于聚集度改进的异化磷虾群算法第16-25页
    3.1 引言第16页
    3.2 标准磷虾群优化算法第16-18页
    3.3 基于聚集度改进的简化磷虾群优化算法第18-20页
        3.3.1 欧几里得距离和聚集度的定义第18页
        3.3.2 磷虾群算法的简化方法和基于聚集度的改进策略第18-19页
        3.3.3 一种改进的变异策略第19页
        3.3.4 算法流程第19-20页
    3.4 算法的实验分析第20-24页
        3.4.1 测试函数第20-21页
        3.4.2 算法的参数设置第21-23页
        3.4.3 算法的结果分析第23-24页
    3.5 本章小结第24-25页
第四章 基于聚集度的改进粒子群优化算法第25-33页
    4.1 引言第25页
    4.2 标准粒子群优化算法第25-26页
    4.3 基于聚集度的改进粒子群优化算法第26-28页
        4.3.1 聚集度定义第26页
        4.3.2 基于聚集度的自适应阈值控制方法第26-27页
        4.3.3 基于聚集度的位置更新方法第27页
        4.3.4 算法流程第27-28页
    4.4 算法的实验分析第28-32页
        4.4.1 测试函数第28-29页
        4.4.2 算法的参数设置第29-32页
        4.4.3 算法的结果分析第32页
    4.5 本章小结第32-33页
第五章 基于群优化的聚类分析法第33-38页
    5.1 引言第33页
    5.2 相关算法设计第33-34页
    5.3 基于异化磷虾群的K-均值聚类分析法第34页
    5.4 基于改进粒子群的K-均值聚类分析法第34-35页
    5.5 算法的实验分析第35-37页
        5.5.1 算法性能测试设置第35-36页
        5.5.2 算法结果分析第36-37页
    5.6 本章小结第37-38页
第六章 全文总结与展望第38-39页
    6.1 本文主要工作总结第38页
    6.2 未来展望第38-39页
参考文献第39-43页
致谢第43-44页
个人简介第44页

论文共44页,点击 下载论文
上一篇:“跳切”在影视艺术中的功能研究
下一篇:省级卫视电视栏目中的区域性元素研究